Prenatal Genetic Testing in the Era of Next Generation Sequencing: A One-Center Canadian Experience
Notice bibliographique
Résumé
The introduction of next generation sequencing (NGS) technologies has revolutionized the practice of Medical Genetics, and despite initial reticence in its application to prenatal genetics (PG), it is becoming gradually routine, subject to availability. Guidance for the clinical implementation of NGS in PG, in particular whole exome sequencing (ES), has been provided by several professional societies with multiple clinical studies quoting a wide range of testing yields. ES was introduced in our tertiary care center in 2017; however, its use in relation to prenatally assessed cases has been limited to the postnatal period. In this study, we review our approach to prenatal testing including the use of microarray (CMA), and NGS technology (gene panels, ES) over a period of three years. The overall diagnostic yield was 30.4%, with 43.2% of those diagnoses being obtained through CMA, and the majority by using NGS technology (42% through gene panels and 16.6% by ES testing, respectively). Of these, 43.4% of the diagnoses were obtained during ongoing pregnancies. Seventy percent of the abnormal pregnancies tested went undiagnosed. We are providing a contemporary, one tertiary care center retrospective view of a real-life PG practice in the context of an evolving use of NGS within a Canadian public health care system that may apply to many similar jurisdictions around the world.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».